圃場で撮影された人感センサ検知画像への

農作業情報自動付与システムの開発と評価

Development and Evaluation of an Automatic Tagging Function of Farming Activities to Image Data Taken by Motion Sensor Camera in Farm

平野 竜, 高木正則，山田敬三，佐々木 淳 Ryu HIRANO, Masanori TAKAGI, Keizo YAMADA, Jun SASAKI

岩手県立大学大学院 Iwate Prefectural University

Email: g231p019@s.iwate-pu.ac.jp

あらまし：我々は農地に Web カメラやフィールドサーバを設置して農地の様子を観察できる農地モニ

タリングシステムを開発し，小学校で実施されている農業体験学習で活用してきた．本システムによ

り教室内で農地の様子が確認できるようになったが，撮影されたセンサ検知画像は年間 5 万枚を超え

るため，教員が授業に活用できる農作業画像を検索することが困難であった．そこで，センサ検知画

像から農作業画像の検索容易性の向上を目的とし，センサ検知画像への農作業情報自動付与システム

を開発した．本稿では，本システムの概要を述べ，本システムにより推定された農作業内容の精度を

評価する．

1. はじめに 我々は農地に Web カメラやフィールドサーバを

設置して作物や農作業の様子を遠隔地から観察でき

る農地モニタリングシステム(http://kansatu.net)を開

発・運用している[1]．本システムでは毎日 5 時から

18時までの間，1時間に1枚農作物を自動撮影する．

また，人感センサ付き Web カメラを開発し，人感セ

ンサが検知した際に次の検知まで 100 枚自動撮影す

ることにより，農作業の様子も記録している．さら

に，農地の環境モニタリングや映像監視等を行うフ

ィールドサーバも設置し，環境データ（気温，日射

量，土壌温度など）も収集している．平成 23 年度か

らは岩手県内の小学校で実施されているリンゴの農

業体験学習で本システムを活用し，児童のリンゴへ

の興味喚起などの効果が示唆された．平成 25 年度に

は本システムで撮影された画像や環境データ（以下，

圃場データ）を活用した理科や社会科の学習教材（作

物の生育過程と気温との関係等）を開発し，小学校

3 年生の授業で活用した．その結果，圃場データを

活用した学習教材が農作物の成長や農作業を学ぶた

めに役立つことが示唆された[2]．

しかし，人感センサ検知時に撮影される画像（以

下，センサ検知画像）は年間 5 万枚を超え，農作業

者が写っていない画像も含まれるため，センサ検知

画像から授業に活用できる農作業画像を検索するこ

とが困難であった．そのため，教員がセンサ検知画

像を活用した学習教材を作成することはなく，圃場

データのほとんどは学習のために活用されていなか

った．そこで，センサ検知画像から農作業画像の検

索容易性の向上を目的とし，センサ検知画像へ農作

業に関するメタ情報を付与する農作業情報自動付与

システムを開発した．本システムでは，画像処理技

術を用いて作物の変化や農業用機械を検出すること

などにより，農作業内容を推定する．

2. 関連研究 農作業情報を記録する関連研究としては，RFID を

用いた農作業自動認識システム(南石ら)[3]，GPS を

利用した農作業記録の自動化に関する研究(神谷

ら)[4]などがあり，どちらの研究においても，農作業

記録の自動認識を目的としている．

しかしながら，いずれの研究においても農家にウ

ェアラブル端末をつけることによる位置情報の取得

が前提のため，端末の付け忘れや農家への負担がか

かるという問題がある．本研究で提案する農作業内

容の判別手法は普段の農作業に特別な行為を必要と

せずに，判別精度の向上を試みている点に特徴があ

る．

3. センサ検知画像に撮影された農作業判別手

法 図 1 にセンサ検知画像に付与する農作業情報の決

定手順を示す．農作業情報自動付与システムでは，

センサ検知画像に写っている農作業の内容を自動的

に判断するため，（1）農作業者の有無の判定，（2）

撮影時期による判定，（3）作物変化による判定，（4）

機械・道具による判定，の 4 つの判定によって，画

像に付与する農作業情報を決定する．農作業情報は

過去のセンサ検知画像を分析して確認できた 10 種

類の作業項目（剪定，施肥，摘花など）とする．ま

た，センサ検知画像は 1 日単位で管理され，1 日に

1 つの農作業情報を付与することとする．

I1-09

― 75 ―

図 1 センサ検知画像へ付与する農作業情報の決

定手順

4. システム開発 図 1(1)，(2)，(3)に関しては先行研究[2]で開発され

た．(1)，(2)については以下のように判定の基準を追

加し，農作業の判定の精度を高めることを目指した．

本研究では，(1)農作業者有無の判定の際に検知回数

が 2 回以下の画像に対して，「その他」のメタ情報

を付与する．(2)撮影時期による判定では，実際のり

んご農家の方からいただいたスケジュールをもとに

1 月から 3 月の農作業には「剪定」 のメタ情報を付

与する．(4)機械・道具による判定機能では，圃場で

撮影されたセンサ検知画像の中から機械や道具を用

いた農作業の様子を撮影した画像を目視で抽出し，

農作業ごとに分類した．

本研究では，OpenCV のテンプレートマッチング

によって，農作業時に利用される農業用機械の判定

を行う．図 2 にテンプレートマッチングにより抽出

された農業用機械の例を示す．本研究では農作業機

械のテンプレート画像を事前に用意し，撮影された

人感センサ検知画像の中から農業機械を抽出する．

しかし，記録される画像は農作業中の画像のため，

単純なテンプレートマッチングによる判定は難しい

と考えた．そのため，異なる年度に撮影された様々

な向きの農作業機械の画像を用意して学習させるこ

とで，より精度の高い判定を目指した．また，セン

サ付きカメラは屋外に設置しているため，レンズに

雨やほこりが付着していることもあり，鮮明な画像

ではない．そのため，テンプレートマッチングにお

けるしきい値の調整を行い，その中で認識精度の高

かったものを採用した．

図 2 テンプレートマッチングによって抽出された

農薬散布車の例

5. 評価実験 過去 5 年間で撮影されたセンサ検知画像の中で機

械が含まれている画像を手動で判別した場合と本研

究で開発した機能によって判別した場合での再現率

と適合率により評価を行った．平成 28 年度のセンサ

検知画像のうち農業機械が含まれている 4 月から 9

月の画像においてテンプレートマッチングを行い再

現率と適合率を測定した．再現率は 100%となり機

械を用いた作業の分類は行うことができたが，適合

率は 35.8%と低い値となった．先行研究[2]では機械

での分類を行った場合では 15.6%となっていたため，

20.2%の向上が見られた．

6. おわりに 本稿では，膨大なセンサ検知画像から農作業画像

の検索容易性の向上を目的とし，OpenCVを用いて画

像処理を行った結果から農作業情報を判定する手法

を提案した．また，農薬散布車が撮影されている画

像を対象にテンプレートマッチングを行った．今後

はそのほかの機械や道具活用時の画像でも特徴を抽

出し，農作業内容の判定に活用可能かどうか検討す

る．また，農家でない人がセンサ検知画像を目視で

農作業情報を付与した場合にかかる時間と本機能に

よって付与した場合で作業時間を比較し，農作業情

報付与への時間短縮を示す．さらに，付与された農

作業情報の正確性を検証する.将来的には，大量の画

像データや，環境データを活用した新規就農者支援

ツールとしての応用を実現させる．

参考文献 (1) 高木正則，吉田昌平，中村武道，山田敬三，佐々木淳：

児童を対象とした農業体験学習支援システムの開発

と評価，情報処理学会情報教育シンポジウム

(SSS2012)論文集， pp.233-240，2012.8

(2) 阿部勇人，佐々木淳，高木正則，山田敬三，中村武道，

加藤裕美，山本晃大，吉田理穂：定点カメラ画像を利

用したりんごの成長過程用学習コンテンツの試作と

評価，第 76回情報処理学会全国大会，2ZE-4，2014.3，

(3) 南石晃明，菅原幸治，深津時広：RFID を用いた農作

業自動認識システム，農業情報研究 Vol. 16 (2007) No. 3 P 132-140

(4) 神谷貴広，町田武美：GPS を利用した農作業記録の

自動化に関する研究（第 2 報）-ファジィ推論による

作業同定-，農業情報研究 11(3), 2002, 263-272

教育システム情報学会 　JSiSE2017

2017/8/23-8/25第42回全国大会

― 76 ―